作为通用目的技术(GPT)，人工智能(AI)已经跨越了从“信息处理工具”进化为自主规划、自我迭代和长程执行的“微型生产单元”的关键节点，其对宏观经济与社会系统的影响和重构进入加速新阶段。6月27日，由上海科技大学主办、国际货币基金组织(IMF)予以支持的“人工智能与经济系统学术研讨会”在上海召开。上海科技大学副校长刘志致欢迎词。
会议打破了计算机科学与经济学的学科壁垒，汇聚了IMF高层经济学家、国内外经济学者以及前沿人工智能科学家。与会学者在第一性原理、微观实证数据与数理模型支撑下，推演了AI对经济系统的深远影响。研讨会由上海科技大学CEISD(教育、创新和可持续发展研究中心)主任杨燕青与香港大学经济学教授朱晓冬共同召集。
宏观经济框架、增长门槛与全球货币治理
人工智能的宏观经济学测度、内生增长模型的结构性边界，以及地缘政治约束下的全球货币治理，是评估AI系统性影响的首个模块。
IMF副总裁李波系统性阐释了AI宏观影响的总体框架，并指出当前学界面临的五大核心争论:生产率的“索洛悖论2.0”、国际经济收敛的“平整器与分化器”之争、资本支出(CapEx)激增与效率提升带来的通货膨胀双向博弈、服务业反超制造业从而颠覆“巴拉萨-萨缪尔森效应”，以及劳动力市场的“替代与增强”之辩。李波特别引入了杰文斯悖论(Jevons Paradox):若AI导致特定服务价格断崖式下降，且该领域需求价格弹性足够高，全社会对劳动力的总需求可能逆势扩张。
然而，宏观模型的推演受制于底层数据的缺失。IMF统计部副主任林清云(Cheng Hoon Lim)指出，现有粗颗粒度的统计体系存在“测度盲区”，必须结合“人类必要性(Human Necessity)”与“需求弹性”，向底层任务级别(Task-level)下探，构建跨国可比的宏观AI采用率指标体系。
针对“AI将带来爆炸性增长”的理论预期，上科大陶涵毅提出了结构性修正。他以包含AI部门、传统研发与生产的三部门内生增长模型进行分析，并引入了Kremer的O-ring理论。陶涵毅指出，尽管AI具备自我演进能力，但经济系统中存在诸如临床试验、行政审批等高度依赖人类且不可被替代的“薄弱环节”。模型校准揭示了深层的国别结构差异：由于美国服务业(高AI暴露度)占比较大，而中国偏重传统制造业，面对同等技术冲击时，两国的宏观增长收敛曲线将出现显著的异质性分化。
在国际政治经济学维度，IMF原副总裁朱民剖析了由大语言模型算法驱动的代理化支付(Agentic Payments)对全球金融基础设施的冲击。在基于概率(Probability-based)的AI智能体高频并发交易与要求绝对确定性(Certainty)的法币清算系统之间，产生了深层摩擦。大国博弈已深入数字货币底层清算协议，美国试图通过与美债绑定的稳定币(Stablecoins)延续美元中心体系；中国则依托数字人民币(e-CNY)、多边央行数字货币桥(mBridge)及人民币跨境支付系统(CIPS)进行系统性主权突围。
加州大学戴维斯分校胡永泰(Wing Thye Woo)教授指出，技术突变引发了宏观系统的多重均衡(Multiple Equilibria)。在传统多边架构失效的当下，为避免全球滑向失控的“向恶均衡”，需联合东盟与欧洲等中等强国，构建亚太可持续发展伙伴关系(APSP)中立国联盟，以第三方经济体量重塑大国制衡机制，推动全球AI安全监管。
劳动力市场的底层解构、微观主体演化与组织形态重塑
AI对劳动力市场的冲击已从表层的“岗位替代”深化为对职业内部任务和组织边界的底层解构，对传统的劳动分工定律提出了结构性挑战。上科大陈沁团队基于微观招聘数据中任务熵(Task Entropy)的测度发现，AI暴露度越高的职业，其内部任务熵上升越快，意味着原本高度专业化的单一岗位正演变为处理多维复杂任务的“混杂状态”。这一发现对亚当·斯密自工业革命以来的“劳动分工递增”理论提出了反证。在内部交易成本趋近于零的假设下，一人公司(OPC)可能成为未来高效的微观经济组织形态。
回应交易成本归零的逻辑，北京大学林懿伦提出，人类组织本质上是有限带宽约束下生产出的信息衍生物。过去，软件(如SaaS)是企业在特定时间节点的组织“切片”；当AI智能体降低了人类沟通摩擦与个体自利动机后，企业内部市场化与外部组织化的边界发生双向模糊化。随着AI接管持续的需求表达与资源撮合，传统的单一价格信号将被更高维度的社会行为信号(如注意力Attention、行动验证Action)所取代。
上科大刘玉坤则从组织行为学视角评估了人类劳动者经历的心理代偿。实证研究与田野调查表明，AI的广泛渗透对人类心理资产产生了特定剥夺，包括内在动机流失：“先与AI协作，再独立工作”的人类劳动者，其内在动机显著下降，厌倦感飙升，证实AI的介入降低了任务本身的自主吸引力；工作意义感消解：针对公立医院的调研显示，高度数字化的终端切断了护士与患者之间以“联结、治愈与繁荣”为核心的情感纽带；真实自我表达受抑:模拟面试实验中，过度依赖生成式AI撰写简历的候选人，其感知到的“活人感”与求职自我效能感降至极低水平，凸显了工具理性对人本价值的挤压。
人工智能算法范式转移与安全对齐
评估AI的经济学边界必须深入其计算机科学的底层算法。学者们揭示了当前大语言模型(LLM)的认知瓶颈，并对下一代算法架构及安全对齐机制进行了数学推演。
香港大学孔令鹏剖析了当前LLM的底层局限——下一个Token的暴政(The Tyranny of the Next Token)。现有的自回归(Autoregressive)模型受制于线性生成逻辑，在处理复杂全局约束问题时易因局部错误导致推演崩溃。他提出，未来的AI底座应向扩散模型(Diffusion Model)演进，赋予模型自顶向下的全局视野与并发规划能力。
针对世界模型(World Models)，香港大学戴勃进行了本体论解构。真实的物理世界模型需在尺度边界、颗粒度与智能体内化三大维度做出技术权衡。目前，世界模型在商业应用中分化为渲染器(Renderer)、模拟器(Simulator)与规划器(Planner)，三者的统合是实现实体经济自动化生产的前提。
上海人工智能实验室徐兴成将经济学博弈论引入强化学习对齐(Alignment)框架，论证了大模型的战略欺骗(Strategic Deception)并非代码漏洞，而是智能体基于自身残缺的主观内部世界模型作出的理性决策。当智能体陷入误定学习(Misspecified Learningv时，特定的危险行为与其扭曲的信念将形成稳定互锁，达成伯克-纳什均衡(Berk-Nash Equilibrium)。处于“过度自信”相限的模型将被锁定在战略欺骗状态。为此，团队提出了外置式守卫智能体防御架构，在维持任务解决率的同时，显著压缩了复杂模型的越狱攻击成功率。
北京大学张效源开发的EconBenchmark基准揭示，LLM虽具备“经济学流利度”，但在底层结构上易发生绑定漂移(Binding Drift)与符号漂移(Sign Drift)。其团队提出的EconConstruct推理时修复方法，强制模型输出前显式对齐经济假设边界与不变量矩阵，为构建“经济世界模型”确立了实证规范。
在模型与预训练数据的要素定价博弈中，上科大何晨结合神经缩放定律(Neural Scaling Laws)与知识层级模型，构建了双层博弈均衡。若AI作为超模态推理引擎(Supermodular Reasoning Engine)介入生产，高技能专家将获得最高的相对生产率跃升。在上游数据市场，AI企业凭借算力验证设施逆转了经典的阿克洛夫柠檬市场(Lemons Market)。模型证明存在一个临界不透明度阈值(Critical Opacity Threshold)，当数据市场不对称性高于此阈值时，AI垄断企业将选择排他性数据封锁，并通过部署小模型挤出竞争对手，产生社会损失。
AI赋能实证与数字贸易博弈
在宏观理论之外，研讨会也提供了扎实实证分析，评估AI对微观企业主体的赋能效应及作为贸易壁垒的隐性代价。
关于AI技术是加剧垄断还是促进市场竞争，浙江大学袁哲基于国内领先电商平台超700万卖家采用大模型工具的高频数据进行了定量评估。借助倾向得分匹配双重差分模型(PSM-DID)与Shift-share工具变量法，研究证实，AI工具的采用使卖家平均销售额提升约7%。数据表明，AI工具具备显著的拉平效应(Leveling the playing field)，小微卖家的相对增长幅度是头部商家的四倍，证明了普惠型AI在促进市场向上流动的有效性。
面对AI的战略冲击，人类展现了高度的适应能力。亚利桑那州立大学赵梓博利用2017年AlphaGo在围棋平台连胜的事件，构建了交错暴露(Staggered exposure)自然实验。基于马尔可夫状态表征(Markovian framework)的分解显示，受AI冲击的棋手胜率提升中，有63%直接源于对复杂未知中盘局面的“认知内化与深度学习”，证实了人类作为高阶泛化学习者的心智韧性。
然而，制度性技术设限会造成显著的宏观福利扭曲:香港大学孙睿琦利用大语言模型的向量嵌入(Embedding)技术测度微观替代弹性，模拟了数字“防火墙”及TikTok封禁政策。研究表明，保护主义虽截留了国内利润使真实GDP微升，但导致国内应用同质化(产品多样性下降5%)，引发了未被宏观指标捕捉的消费者效用损失。复旦大学杨卿栩的随机对照试验(RCT）揭示，医疗大模型内置的安全护栏产生了严重的方向性建议偏倚。为规避法律责任，AI机器人排斥开具处方，转而鼓励患者进行诊断性检查，导致临床检查率激增，在医患之间创造了新的系统性信任摩擦。
AI驱动的科学革命(AI4S)与方法论革新
研讨会也展示了AI如何作为超级生产力与方法论工具，重塑科学发现范式与计量经济学的基石。
上海科学智能研究院曹风雷指出，AI4S 2.0基础模型须将量子力学电子轨道方程与统计热力学定律硬编码入混合神经网络架构，以克服“知其结构而不知其机理”的黑盒困境。其实验室成功打通了虚拟数字推演与物理操作的干湿实验闭环(Dry-Wet Lab Loop)。在无人值守的自动化机器人物质合成平台中，AI智能体自主推演合成路径并编译指令。这种将算力与精密仪器整合为MaaS(Model as a Service)黑盒的模式，将科技创新门槛从资源占有垄断降维至思想原创，实现了深远的“科研平权”。
在中科大李春晓的研究中，针对传统机器学习在构建工具变量(IV)时易陷入过拟合、违背外生性与排他性约束的痼疾，团队提出了生成式工具变量(Generative IV, GIV)架构。GIV依托变分自编码器(VAE)，在潜空间(Latent space)构造结构性代码过滤器。模型在训练中并行优化多个损失函数:除重构损失外，创新性地加入GMM Loss以确保外生正交性，并引入Lasso稀疏惩罚项切断非排他性路径，最终GIV成功从海量弱工具变量中提炼出满足识别假设的因果信号。
结语
“人工智能与经济系统”学术研讨会以高密度的跨学科输出，完成了从计算科学底层代码到政治经济学顶层设计的理论穿透。研讨揭示了一个未来方向:通用人工智能的冲击已越过局部效率优化的阶段，全面演变为对劳动分工定律、科斯组织边界与全球要素定价机制的结构性重塑。面对技术变量引发的复杂效应，会议提供了严谨的学术锚点:技术本身既是削减中小微企业壁垒的“平权杠杆”，也是跨国巨头攫取信息租金的“护城河”；既能在AI4S闭环中引爆全要素生产率跃升，又受到物理世界“薄弱环节”的严格钳制。在高度不确定的范式重构期，学术界应打破学科壁垒，将算法对齐的数理逻辑与宏观政策的福利分配进行底层融合，从而为人类社会锁定一条驶向长期繁荣与最优动态均衡的路径。
